Estado de desarrollo
Prototipo probado en escenarios reales.

Propiedad industrial
Registro notarial

Colaboración Propuesta
Licencia y/o codesarrollo.

Solicitud de información
Virginia Cousté
Vicepresidencia de Innovación y Transferencia
Virginia.couste@uab.cat
comercializacion@csic.es

Referencia
CSIC/VC/029
#TIC #Inteligencia Artificial #Aprendizaje automático

Software de evaluación colaborativa (Collaborative Assessment)

Componente software como herramienta de soporte a evaluaciones en comunidades online. El sistema recomienda evaluaciones haciendo una ponderación de las evaluaciones de un experto junto con las evaluaciones dadas por otros usuarios sobre el objeto a evaluar.

La necesidad del mercado
Muchas veces la tarea de evaluar es simplemente imposible o muy costosa en tiempo y se puede confiar en la opinión de otros para agilizarla. Este componente implementa un algoritmo que utiliza evaluaciones hechas por miembros de una comunidad online para aproximar la evaluación que daría otro miembro específico de esa comunidad, el “líder” o “experto” (profesor, coordinador, comprador, etc.), tomando en cuenta la relación de confianza que existe entre él y los miembros.
En las comparaciones realizadas con un software de recomendación del mercado para recomendar contenidos (Collaborative Filtering), se comprueba que el cómputo de las recomendaciones hacia la opinión de un miembro específico está sesgado y no se beneficia de relaciones entre el líder y terceros (confianza indirecta).

La solución CSIC
El presente modelo propone una solución alternativa, aproximando la medida de confianza desconocida entre el líder y el miembro de la comunidad mirando la confianza que tiene este miembro con terceros que, en última instancia, están relacionados con el líder.

Ventajas competitivas
  • Mayor número de evaluaciones automáticas con menos margen de error
  • El componente es una librería JAVA y dispone de un API para ser integrado fácilmente en otras aplicaciones.
  • Existen dos modelos de implementación
  • Implementación 1: el cálculo de confianza se basa en un grafo de confianza.
  • Implementación 2: la confianza es representada como distribuciones de probabilidad y en su cálculo se utiliza un algoritmo de inteligencia artificial.